ChatGPT nach deinem Preis fragen: warum die Antwort trügt

Frag eine generische KI, was du verlangen sollst, und du bekommst innerhalb von Sekunden eine Zahl. Das Problem ist nicht, dass die Zahl falsch ist. Das Problem ist, dass weder du noch das Modell wissen können, ob sie richtig ist, weil die vier Angaben fehlen, aus denen sich ein Preis überhaupt ableiten lässt: deine Kosten, dein realistisches Volumen, die Zahlungsbereitschaft deiner Kunden und die Preise, gegen die du tatsächlich verlierst.

Das ist keine Kritik an Sprachmodellen. Ich nutze sie täglich, und für viele Schritte im Pricing sind sie hervorragend. Aber der Schritt, bei dem die meisten Gründer sie einsetzen, nämlich "sag mir meinen Preis", ist genau der Schritt, für den sie am schlechtsten geeignet sind.

Warum die Zahl plausibel klingt

Ein Sprachmodell sagt das wahrscheinlichste nächste Wort voraus. Fragst du nach einem Preis für ein B2B-SaaS-Produkt, antwortet es mit dem, was in vergleichbaren Texten am häufigsten vorkommt. Das Ergebnis ist ein Marktdurchschnitt, formuliert als Empfehlung.

Zwei Dinge machen diesen Durchschnitt gefährlich.

Er landet in der Nähe deiner Erwartung. In deinem Prompt steckt fast immer ein Anker: die Kategorie, ein Wettbewerber, manchmal eine Spanne, die du selbst nennst. Die Antwort greift ihn auf. Du liest eine Zahl, die deine eigene Vermutung bestätigt, und verwechselst diese Bestätigung mit einer Prüfung.

Er kommt ohne Unsicherheitsangabe. Ein Berater, der deine Zahlen nicht kennt, sagt "das kann ich dir so nicht beantworten". Ein Modell sagt das selten. Es formuliert bei 49 € genauso überzeugt wie bei 149 €, weil Überzeugungskraft eine Eigenschaft des Textes ist und nicht der Datenlage.

Die vier Fragen, die nie gestellt werden

Beobachte beim nächsten Versuch, was das Modell dich nicht fragt.

Was kostet dich ein Kunde wirklich? Ohne variable Kosten pro Kunde und Fixkosten pro Monat lässt sich keine Preisuntergrenze berechnen. Diese Grenze ist keine Preisempfehlung, aber sie sagt dir, ab wann ein Preis zum Fehler wird. Wie du sie ausrechnest, steht im Break-Even-Rechner.

Wie viele Kunden schließt du im Monat wirklich ab? Dieselben Fixkosten auf 20 statt 100 Kunden verteilt ergeben eine völlig andere Untergrenze. Volumen ist der Hebel, den Gründer am häufigsten zu optimistisch ansetzen.

Was zahlt dein Kunde heute, um das Problem ohne dich zu lösen? Das ist der Referenzpunkt für die Obergrenze: Excel plus Arbeitszeit, ein Wettbewerber, eine Agentur, oder das Aussitzen des Problems. Wie du das ermittelst, ohne zu raten, steht unter Zahlungsbereitschaft ermitteln.

Gegen welche drei Anbieter verlierst du Deals? Nicht die Liste aus dem Marktbericht, sondern die Namen, die im Verkaufsgespräch tatsächlich fallen.

Diese vier Antworten ergeben einen Preiskorridor. Alles, was ohne sie entsteht, ist eine Vermutung mit sauberer Formatierung.

Zwei Unternehmen, eine Antwort

Der Kern des Problems lässt sich an einem einfachen Fall zeigen. Zwei B2B-SaaS-Anbieter, beide fragen dieselbe KI nach einem Preis für ein Analyse-Tool für den Mittelstand. Beide bekommen eine Empfehlung im Bereich von 99 € pro Monat, weil das für diese Kategorie ein typischer Wert ist.

Das erste Unternehmen hat 12 € variable Kosten pro Kunde, 8.000 € Fixkosten und schließt 100 Kunden ab. Seine Untergrenze liegt bei 92 €. Bei 99 € arbeitet es faktisch ohne Marge, ohne es zu merken.

Das zweite hat dieselben variablen Kosten, aber 3.000 € Fixkosten und 250 Kunden. Seine Untergrenze liegt bei 24 €. Bei 99 € verschenkt es nichts, aber es weiß auch nicht, ob 149 € durchsetzbar gewesen wären, weil niemand die Zahlungsbereitschaft geprüft hat.

Dieselbe Empfehlung, zwei völlig verschiedene Fehler. Beide Male hat die KI korrekt gearbeitet: Sie hat den Durchschnitt der Kategorie genannt. Nur ist ein Preis keine Eigenschaft der Kategorie.

Wofür KI beim Pricing wirklich taugt

Die ehrliche Version dieses Arguments ist keine Absage an KI, sondern eine Aufgabenteilung. Sobald die vier Antworten vorliegen, ist ein Sprachmodell in mehreren Schritten stark:

• Wert quantifizieren: aus einem Kundeninterview die eingesparten Stunden oder vermiedenen Kosten herausarbeiten.
• Modelle abwägen: Flatrate, Stufen, nutzungsbasiert oder Hybrid gegeneinander halten, mit den Konsequenzen für deinen Fall. Der Überblick steht im SaaS-Preismodelle-Guide.
• Formulieren: eine Preiserhöhung ankündigen, ein Angebot begründen, Rabattanfragen beantworten.
• Widersprüche finden: prüfen, ob deine Positionierung als Premium-Anbieter zu deinem Preis im unteren Marktdrittel passt.

Der Unterschied liegt nicht im Modell, sondern in der Reihenfolge. Erst die Fragen, dann die Rechnung, dann die Formulierung. Wer mit der Formulierung anfängt, bekommt eine gut geschriebene Vermutung.

Was das für dich heißt

Wenn du deinen Preis schon einmal von einer KI hast bestätigen lassen, hast du nichts falsch gemacht. Du hast nur eine Frage gestellt, die ohne deine Zahlen nicht beantwortbar ist.

Der Test ist einfach: Nimm die Zahl, die du bekommen hast, und beantworte die vier Fragen oben. Liegt deine Zahl innerhalb des Korridors, den sie aufspannen, hattest du Glück und weißt es jetzt. Liegt sie darunter, arbeitest du gerade auf eigene Rechnung. Liegt sie darüber, verlierst du Deals, ohne den Grund zu kennen.

Genau diese Reihenfolge bildet das 9-Schritte-Framework ab: erst Produkt, Kunde, Wettbewerb, Wert und Kosten, dann der Korridor, dann Strategie und Modell, und erst am Ende die Zahl. Die KI kommt dabei in jedem Schritt zum Einsatz, aber immer erst, nachdem du geantwortet hast.